論文の概要: A Mathematical Theory of Understanding

• arxiv url: http://arxiv.org/abs/2603.19349v1
• Date: Thu, 19 Mar 2026 17:00:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.823118
• Title: A Mathematical Theory of Understanding
• Title（参考訳）: 数学的理解論
• Authors: Bahar Taşkesen,
• Abstract要約: 生成AIは情報生産の経済を変革し、説明、証明、例、分析を非常に低コストで利用可能にした。 しかし、情報の価値は、下流のユーザーがそれを吸収して作用できるかどうかによって変わります。 本稿では,その学習者側ボトルネックの数学的モデルを開発する。 我々は,学習者を心としてモデル化する。概念上の前提条件構造を特徴とする抽象学習システムである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI has transformed the economics of information production, making explanations, proofs, examples, and analyses available at very low cost. Yet the value of information still depends on whether downstream users can absorb and act on it. A signal conveys meaning only to a learner with the structural capacity to decode it: an explanation that clarifies a concept for one user may be indistinguishable from noise to another who lacks the relevant prerequisites. This paper develops a mathematical model of that learner-side bottleneck. We model the learner as a mind, an abstract learning system characterized by a prerequisite structure over concepts. A mind may represent a human learner, an artificial learner such as a neural network, or any agent whose ability to interpret signals depends on previously acquired concepts. Teaching is modeled as sequential communication with a latent target. Because instructional signals are usable only when the learner has acquired the prerequisites needed to parse them, the effective communication channel depends on the learner's current state of knowledge and becomes more informative as learning progresses. The model yields two limits on the speed of learning and adoption: a structural limit determined by prerequisite reachability and an epistemic limit determined by uncertainty about the target. The framework implies threshold effects in training and capability acquisition. When the teaching horizon lies below the prerequisite depth of the target, additional instruction cannot produce successful completion of teaching; once that depth is reached, completion becomes feasible. Across heterogeneous learners, a common broadcast curriculum can be slower than personalized instruction by a factor linear in the number of learner types.
• Abstract（参考訳）: 生成AIは情報生産の経済を変革し、説明、証明、例、分析を非常に低コストで利用可能にした。 しかし、情報の価値は、下流のユーザーがそれを吸収して作用できるかどうかによって変わります。 信号は、それを復号する構造的な能力を持つ学習者にのみ意味を伝える: あるユーザに対する概念を明確にする説明は、関連する前提条件を欠いている人にノイズと区別できないかもしれない。 本稿では,その学習者側ボトルネックの数学的モデルを開発する。 我々は,学習者を心としてモデル化する。概念上の前提条件構造を特徴とする抽象学習システムである。 心は人間の学習者、ニューラルネットワークのような人工学習者、あるいは以前獲得した概念に依存している信号を解釈する能力を持つエージェントを表すことができる。 教師は、潜在目標との逐次的なコミュニケーションとしてモデル化される。 指導信号は、学習者が解析に必要な前提条件を取得した場合にのみ利用できるため、効果的なコミュニケーションチャネルは学習者の現在の知識状態に依存し、学習が進むにつれてより情報的になる。 このモデルは学習と採用の速度に2つの制限を与える: 前提となる到達性によって決定される構造的限界と、対象に関する不確実性によって決定される認識的限界である。 このフレームワークは、トレーニングと能力獲得におけるしきい値の影響を示唆している。 教えの地平線が目標の必須深度より下にある場合、追加の指示は教えの完了を成功させることができない。 不均一な学習者全体にわたって、共通の放送カリキュラムは学習者のタイプ数に線形な因子によってパーソナライズされた教育よりも遅くなる可能性がある。

関連論文リスト

• Instructor-Aligned Knowledge Graphs for Personalized Learning [18.405486267157247]
  InstructKGはインストラクターによる知識グラフを自動的に構築するフレームワークである。 InstructKGはノードとして重要な概念を抽出し、有向エッジとして学習依存を推論する。 InstructKGは、リッチでインストラクターに準拠した学習の進捗をキャプチャする。
  論文  参考訳（メタデータ） (2026-02-19T06:15:10Z)
• Dynamics of Supervised and Reinforcement Learning in the Non-Linear Perceptron [3.069335774032178]
  学習を記述するフロー方程式を導出するために,データセット処理アプローチを用いる。 学習ルール(教師付きまたは強化学習,SL/RL)と入力データ分布が知覚者の学習曲線に及ぼす影響を特徴付ける。 このアプローチは、より複雑な回路アーキテクチャの学習力学を解析する方法を示している。
  論文  参考訳（メタデータ） (2024-09-05T17:58:28Z)
• An iterated learning model of language change that mixes supervised and unsupervised learning [0.0]
  反復学習モデルは、世代から世代への言語の伝達をシミュレートするエージェントモデルである。 各イテレーションにおいて、言語家庭教師は、ナイーブな瞳孔を限られた発話の訓練セットに公開し、それぞれがランダムな意味とそれを伝達する信号とをペアリングする。 送信ボトルネックは、チューターが経験したトレーニングセットを超えて一般化する必要があることを保証します。
  論文  参考訳（メタデータ） (2024-05-31T14:14:01Z)
• Democratizing Reasoning Ability: Tailored Learning from Large Language Model [97.4921006089966]
  そこで我々は,そのような推論能力をより小さなLMに蒸留する,適切な学習手法を提案する。 対話型多ラウンド学習パラダイムを構築することにより,理科教員としてのLLMの可能性を活用する。 より小さなLMの推論可能性を活用するために,学生が自作ミスから学習する動機付けを目的とした自己回帰学習を提案する。
  論文  参考訳（メタデータ） (2023-10-20T07:50:10Z)
• Ticketed Learning-Unlearning Schemes [57.89421552780526]
  そこで我々は,学習のためのチケット付きモデルを提案する。 広義のコンセプトクラスに対して,空間効率のよいチケット付き学習スキームを提供する。
  論文  参考訳（メタデータ） (2023-06-27T18:54:40Z)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• On Binding Objects to Symbols: Learning Physical Concepts to Understand Real from Fake [155.6741526791004]
  我々は、ディープニューラルネットワークが合成データを生成する驚くべき能力に照らして、古典的な信号と記号の障壁を再考する。 物理オブジェクトを抽象概念として特徴付け,それ以前の解析を用いて,物理オブジェクトが有限なアーキテクチャで符号化可能であることを示す。 我々は、有限時間でデジタルIDに物理的実体を結合することは、有限資源で可能であると結論付けた。
  論文  参考訳（メタデータ） (2022-07-25T17:21:59Z)
• Leap-Of-Thought: Teaching Pre-Trained Models to Systematically Reason Over Implicit Knowledge [96.92252296244233]
  大規模な事前学習言語モデル(LM)は推論能力を得るが、制御は困難である。 本研究では,暗黙的,事前学習された知識と明示的な自然言語文を併用して,体系的推論を確実に行うことができることを示す。 我々の研究は、シンプルな自然言語文を追加することで、モデルを簡単に修正できるユーザと対話することで、常に改善されるオープンドメインシステムへの道を開く。
  論文  参考訳（メタデータ） (2020-06-11T17:02:20Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。